MétaCan
Menu
Retour à la cohorte
Enregistrement W4415128809 · doi:10.1101/2025.10.10.25337504

Cohort Profile: Swiss Personalized Health Network Cohort Consortium

2025· preprint· en· W4415128809 sur OpenAlex
Murielle Bochud, Samuel EB Tiali, Jan Armida, Rita Wissa, Sabine Österle, Juan Manuel Blanco, Jean Pierre Ghobril, Yves Henchoz, Valérie Pittet, Pascal Benkert, Jens Kühle, Enrique Castelao, Martin Preisig, Carlo Chizzolini, Huldrych F. Günthard, Katharina Kusejko, Medea Imboden, Nicole Probst‐Hensch, Michael Koller, Pedro Marques‐Vidal, Péter Vollenweider, Menno Pruijm, Andri Rauch, Camillo Ribi, Almut Scherer, Christoph Tellenbach, Belén Ponte, Julien Vaucher, Isabel Fortier

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueHealth and Medical Studies
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesSchweizerische Multiple Sklerose GesellschaftSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungChinese Society of Clinical OncologyMultiple Sclerosis SocietyBiogenGlaxoSmithKlineAstraZenecaBristol-Myers SquibbNational Science Foundation
Mots-clésCohortHarmonizationCohort studyData sharingBiobankMEDLINEMetadata

Résumé

récupéré en direct d'OpenAlex

Abstract Background Swiss cohort studies provide high-quality longitudinal data, but finding and comparing relevant studies across cohorts has historically been challenging. The Swiss Personalized Health Network Cohort Consortium (SPHN-CC) was established to address these limitations by creating the first coordinated network of Swiss cohort studies within the internationally recognized Maelstrom Research catalogue. Methods Participating cohorts were invited in 2021–2022, including longitudinal and cross-sectional studies with 1010-21 993 participants. Data collected include questionnaires, physical and cognitive assessments, administrative records, and biological samples. Variables were classified into 18 domains and 134 subdomains, and an online metadata catalogue was implemented to document study designs, explore variable content, and assess harmonization potential. Results The catalogue enables researchers to identify study-specific and harmonized variables for co-analysis. Core variables, such as age, sex/gender, anthropometrics, and medication use, are widely available, while other variables vary across cohorts. Harmonization assessments demonstrate that several key variables can be co-analyzed across multiple studies, supporting collaborative research with over 37’000 participants. A use case illustrates the potential for harmonizing and co-analyzing data across studies. Conclusions The SPHN-CC strengthens Swiss cohort research by enhancing data discoverability, supporting harmonization, and facilitating cross-cohort and international research, providing a model for more efficient use of high-value longitudinal data. Key features The Swiss Personalized Health Network Cohort Consortium aims to optimize the use of data and biological samples collected by publicly funded Swiss cohort studies. Up to now, 10 studies participated in the initiative. From 1988 to 2020 they together recruited over 50 000 participants. Recruitment remains active for six of the studies. Most cohorts are still collecting data and biological samples. All studies collected information from questionnaires, nine also collected biospecimens, seven performed physical measurements, two conducted cognitive assessments and two retrieved information from administrative databases at least once during the life course of the study. An online study and variables catalogue was developed to help researchers determine whether data collected might serve to answer the specific research questions they would like to address and, if relevant, may be harmonized and co-analyzed across studies. Access to the metadata catalogue is open and free.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,073
Tête enseignante GPT0,446
Écart entre enseignants0,373 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle